PHP
—
教程 curl 数据采集之单页面并行采集函数 get_htmls 的使用
用第一篇的 get_html()实现简单的数据采集,由于是一个一个执行才采集数据的传输时间
就会是所有页面下载的总时长,一个页面假设 1 秒,那么 10 个页面就是 10 秒了。所幸
curl 还提供了并行处理的功能
用第一篇的 get_html()实现简单的数据采集,由于是一个一个执行才采集数据的传输时间
就会是所有页面下载的总时长,一个页面假设 1 秒,那么 10 个页面就是 10 秒了。所幸
curl 还提供了并行处理的功能。
要写一个并行采集的函数,先要了解要采集什么样的页面,对采集的页面用什么请求,
才能写出一个相对常用的函数。
功能需求分析:
返回什么?
当然每一个页面的 html 集合成的数组
传递什么参数?
编写 get_html()时,我们知道了可以用 options 数组来传递更多的 curl 参数,那么多页面同
时采集函数的编写这种特性也得保留下来。
什么类型的参数?
无论是请求网页 HTML,还是调用互联网 api 接口,get 和 post 传递参数总是请求同一个
页面或者接口,只是参数不同罢了。那么参数的类型是:
get_htmls(
$url
,
$options
);
$url
是 string
$options
,是一个二维数组,每一个页面的参数为一个数组。
这样的话,貌似解决了问题。但是我找遍了 curl 的手册都没有看到 get 的参数传递在什么
地方,所以只能
$url
是数组的形式传递并且增加一个 method 参数
函数的原型就定下来了 get_htmls(
$urls
,
$options
=
array
,
$method
= ‘get');代码如下:
复制代码 代码如下:
function
get_htmls(
$urls
,
$options
=
array
(),
$method
= 'get'){
$mh
= curl_multi_init();
if
(
$method
== 'get'){
//get
方式传值 最常用
foreach
(
$urls
as
$key
=>
$url
){
$ch
= curl_init(
$url
);
$options
[CURLOPT_RETURNTRANSFER] = true;
$options
[CURLOPT_TIMEOUT] = 5;
curl_setopt_array(
$ch
,
$options
);